查看: 4331|回复: 31
打印 上一主题 下一主题

[西班牙语] RAE - DLE 014年23版【词头差88】

[复制链接]

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

跳转到指定楼层
1
发表于 2015-11-9 05:45:23 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 chigre3 于 2015-11-21 05:41 编辑

只是提供一个思路。。。要是有谁弄好了,论坛上也吱一声哈!
-----------------------------
http://www.rae.es/diccionario-de ... la-23a-edicion-2014
-----------------------------
在线版:http://dle.rae.es/
-----------------------------
22版的DSL格式在RUBOARD上有。
23版今年网络版上线,还未见有人着手下载制作
-----------------------------
网站没有词头索引,从介绍里知道应该是有93 111词条的。
思路:用间接的方法得到所有词头和ID!
网页查询 EMPIEZA POR  --> Consultar 得到带ID的词头索引
http://dle.rae.es/srv/search?w=开头字母&m=31
比如Z字母起始的所有词条:
z    http://dle.rae.es/srv/search?w=z&m=31
zam    http://dle.rae.es/srv/search?w=zam&m=31
zan
zap
zaq
zar
zas
zat
zay
zaz
ze
zi
zo
zu
删除重复后,可以得到747个具体的词头索引,与22版相比有增有删。
http://dle.rae.es/srv/fetch?id=具体ID
http://dle.rae.es/srv/fetch?id=cZL4bgI

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

推荐
 楼主| 发表于 2015-11-21 05:40:24 | 只看该作者
RAE-DLE23a

dos listas:
1. lista de las 93023 entradas
2. lista de los 10733(-1) verbos

_DLE23_2LISTAS.zip      http://rghost.net/6TRgQlpNw
RAE_DLE23_HTML.7z     http://rghost.net/7SCYVVJSl

点评

能补下链接吗?  发表于 2021-2-17 23:43

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

推荐
 楼主| 发表于 2015-11-21 04:26:00 | 只看该作者
本帖最后由 chigre3 于 2015-11-21 05:09 编辑


Diccionario de la lengua española  | Edición del Tricentenario
据网站介绍,应该有93111词条,195439释义项。本次抓取制作缺少88条。
(1) 90346(不重复词头内容,51148锚点跳转) = 93023 (原页面ID) - (相同词头合并:2365② + 262③ + 40④ + 6⑤ + 4⑥)
(2) 25909词组(提取自 6244 词头下,全部添加跨页锚点跳转至主词条)
(3) 10494动词变位表 = 10733 (原页面链接ID) - 1 (实际不存在) - (合并:226词头和内容均相同 + 12词头相同而内容不同*)
*: aforar / alambrar / apostar / arrendar / asestar / asolar / aterrar / atestar / atorar / colar / enrocar / follar /

文件列表:
_______________
DLE_RAE_23.mdx
DLE_RAE_23.bmp
dle.css
DLE_RAE_23_VERBOS.mdx
DLE_RAE_23_VERBOS.bmp
_______________
GOLDENDICT安卓版专用:
DLE_RAE_23_GD.dict.dz
DLE_RAE_23_GD.idx
DLE_RAE_23_GD.ifo
DLE_RAE_23_GD.bmp
dle.css
DLE_RAE_23_VERBOS_GD.dict.dz
DLE_RAE_23_VERBOS_GD.idx
DLE_RAE_23_VERBOS_GD.ifo
DLE_RAE_23_VERBOS_GD.bmp
_______________
过程中遇到的替换ID为词头的问题,想了个办法:
https://www.pdawiki.com/forum/fo ... hread&tid=14747

Screenshot_2015-11-20-21-21-39.png (197.08 KB, 下载次数: 0)

Screenshot_2015-11-20-21-21-39.png

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

推荐
 楼主| 发表于 2015-11-10 09:09:53 | 只看该作者
用EXCEL里取每个单词的前3/4/5/6位字符,尽量减少字符数目的前提下保证每个字符组重复数低于200(网站每次最多显示200词头)【COUNTIF(B:B,B1)】
最终得到5300个不重复的字符组,下载网页,合并,提取ID,整理删除,得到93007个词头,与介绍中的还相差接近100个,需要在以后过程中继续处理!!!

该用户从未签到

123

主题

1719

回帖

3万

积分

翰林院编修

Rank: 11Rank: 11Rank: 11Rank: 11

积分
30382

灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

2
 楼主| 发表于 2015-11-9 05:49:42 | 只看该作者
要是能够有像BT4BAIDU一样的脚本直接一次性下载并处理好文本就好了!

点评

File is deleted~  发表于 2016-5-3 21:28
  • TA的每日心情
    奋斗
    2022-12-1 14:41
  • 签到天数: 1047 天

    [LV.10]以坛为家III

    13

    主题

    1422

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    13502

    灌水大神章小蜜蜂章笑傲江湖章

    4
    发表于 2015-11-10 10:08:45 | 只看该作者
    西班牙语啊
    BT4BAIDU有抓别的网站的Python脚本,参考着修改一个?

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    5
    发表于 2015-11-10 12:14:31 | 只看该作者
    源码全部都公开了,参考着做呗
    或者等我学西语的时候。。。不过现在英语还是半桶水,西语恐怕要到猴年马月了

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    6
     楼主| 发表于 2015-11-10 15:52:26 | 只看该作者
    bt4baidu 发表于 2015-11-10 12:14
    源码全部都公开了,参考着做呗
    或者等我学西语的时候。。。不过现在英语还是半桶水,西语恐怕要 ...

    嗯~我先用我惯用的方法试试把全部页面下载来  谢谢bt4baidu

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    7
     楼主| 发表于 2015-11-10 23:55:42 | 只看该作者
    本帖最后由 chigre3 于 2015-11-11 07:27 编辑

    现在把页面都下载了,然后92706词条(未合并)(还少400度)+10705动词变位
    还在进行筛查缺词

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    8
     楼主| 发表于 2015-11-12 17:14:36 | 只看该作者
    92952
    10731
    还差149个词头。。。去哪儿找呢?

    该用户从未签到

    59

    主题

    960

    回帖

    8774

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    8774

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    9
    发表于 2015-11-12 22:41:17 | 只看该作者
    如果每个页面内有跳转链接,可以从中提取,理论上应该是连通成网状的

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    10
     楼主| 发表于 2015-11-12 23:00:58 | 只看该作者
    bt4baidu 发表于 2015-11-12 22:41
    如果每个页面内有跳转链接,可以从中提取,理论上应该是连通成网状的

    我就是这样做的啦。现在去下载了一个大一些的词头索引文件来尝试。

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    11
     楼主| 发表于 2015-11-13 05:10:20 | 只看该作者
    Corpus de Referencia del Español Actual (CREA) - Listado de frecuencias
    http://corpus.rae.es/lfrecuencias.html
    Lista total de frecuencias

    737799, 用这个词频表的词头去尝试,希望能找到一些不同的ID。
    就是需要时间。

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    12
     楼主| 发表于 2015-11-14 04:45:59 | 只看该作者
    下载上面那个词头索引到180000,才找到了几十个新词头。
    现在是 92982 + 10731 ...

    该用户从未签到

    14

    主题

    131

    回帖

    1459

    积分

    解元

    Rank: 5Rank: 5

    积分
    1459
    15
    发表于 2015-11-23 20:39:41 | 只看该作者
    这个辛苦了

    该用户从未签到

    1

    主题

    139

    回帖

    282

    积分

    禁止发言

    积分
    282
    16
    发表于 2016-4-26 19:10:00 | 只看该作者
    chigre3 发表于 2015-11-21 04:26
    Diccionario de la lengua española  | Edición del Tricentenario
    据网站介绍,应该有93111词条 ...

    LZ已经做好了?

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    17
     楼主| 发表于 2016-5-1 01:22:58 | 只看该作者

    你可以下载来处理一下就可以做成MDX了

    该用户从未签到

    1

    主题

    139

    回帖

    282

    积分

    禁止发言

    积分
    282
    18
    发表于 2016-5-12 16:11:47 | 只看该作者
    下手晚了, 早知道应该先下下来的。

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    19
     楼主| 发表于 2016-5-12 19:18:16 | 只看该作者
    zaragoza 发表于 2016-5-12 16:11
    下手晚了, 早知道应该先下下来的。

    全网唯一哈~

    该用户从未签到

    1

    主题

    139

    回帖

    282

    积分

    禁止发言

    积分
    282
    20
    发表于 2016-5-13 02:03:13 | 只看该作者

    有时间再分享一个呗。。

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    21
     楼主| 发表于 2016-5-13 03:51:44 | 只看该作者

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    22
     楼主| 发表于 2016-5-17 05:03:30 | 只看该作者
    zaragoza 发表于 2016-5-13 02:03
    有时间再分享一个呗。。


    这本CLAVE西语词典是非常实用的,你可以在ruboard上找到已经转制好的dsl格式的,还整合了同反义词词典。

    该用户从未签到

    123

    主题

    1719

    回帖

    3万

    积分

    翰林院编修

    Rank: 11Rank: 11Rank: 11Rank: 11

    积分
    30382

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    23
     楼主| 发表于 2016-5-17 05:10:47 | 只看该作者

    该用户从未签到

    1

    主题

    139

    回帖

    282

    积分

    禁止发言

    积分
    282
    24
    发表于 2016-5-17 09:14:07 | 只看该作者
    chigre3 发表于 2016-5-17 05:03
    这本CLAVE西语词典是非常实用的,你可以在ruboard上找到已经转制好的dsl格式的,还整合了同反义词词典 ...

    没想到原始文件居然是你提供的, 牛牛牛! 感谢!

    该用户从未签到

    1

    主题

    139

    回帖

    282

    积分

    禁止发言

    积分
    282
    25
    发表于 2016-5-17 10:09:13 | 只看该作者

    DRAE 23版已经做好了么, 这么强!

    还有那本实用西语词典也是自己做的么? 网上都找不到啊。